崔力文

摘 要：進入新世紀以來，世界經(jīng)濟也發(fā)展到了新的階段，企業(yè)的發(fā)展也應適應世界經(jīng)濟的發(fā)展趨勢。在信息化的今天，企業(yè)ERP系統(tǒng)作為信息化進程的重要產(chǎn)品，越來越多的企業(yè)在實施和應用。然而，隨著時間的推移系統(tǒng)中存在著大量的歷史數(shù)據(jù)，這些數(shù)據(jù)占用著大量的資源，但可以利用的卻很少。數(shù)據(jù)挖掘技術(shù)可以從大量的業(yè)務數(shù)據(jù)中提取和挖掘出隱含的而又對決策有潛在價值的信息和知識，為企業(yè)制定決策支持提供依據(jù)和幫助，現(xiàn)在數(shù)據(jù)挖掘已成為企業(yè)提升管理水平保持企業(yè)持續(xù)發(fā)展的必要方法。

關鍵詞：ERP 數(shù)據(jù)挖掘 決策支持

一、前言

隨著數(shù)據(jù)時代的來臨，ERP系統(tǒng)陸續(xù)的出現(xiàn)在各個領域的企業(yè)中。隨著科技的發(fā)展，ERP系統(tǒng)的功能模塊也逐漸再完善，同時隱藏在ERP系統(tǒng)數(shù)據(jù)中的信息也越來越多，我們用常規(guī)的分析方法已經(jīng)無法獲得，通過數(shù)據(jù)挖掘技術(shù)對ERP系統(tǒng)中的業(yè)務數(shù)據(jù)進行抽取，挖掘算法的計算并從多個角度進行數(shù)據(jù)分析得出結(jié)論，為企業(yè)決策者的做出科學的決策提供可靠的支持。

二、數(shù)據(jù)挖掘技術(shù)

（一）什么是數(shù)據(jù)挖掘

數(shù)據(jù)挖掘這個詞匯對大部分人來說很陌生，目前也沒有一個明確的定義來描述它。大家認為比較確認的定義是，數(shù)據(jù)挖掘就是從大量的、未經(jīng)任何處理的數(shù)據(jù)中，提取出隱藏在其中的、不易被人們知道的、但又是對決策有用的信息等知識的過程[6]。它應該具有以下幾個特點：數(shù)據(jù)是大量的、不為人事先知道的； 挖掘出的信息是可以被接受的、易于理解的，并且是可以被應用的；在某個特定的領域挖掘出的信息是有價值的，并且是有其規(guī)律性的，可以大規(guī)模應用的、可以預測的應用。

（二）數(shù)據(jù)挖掘的過程

數(shù)據(jù)挖掘的過程一般由幾個主要的階段組成：定義挖掘目標、選擇目標數(shù)據(jù)、數(shù)據(jù)清理和處理、數(shù)據(jù)變換、數(shù)據(jù)挖掘操作、結(jié)果評估和知識決策。

（三）數(shù)據(jù)挖掘的方法

利用數(shù)據(jù)挖掘進行數(shù)據(jù)分析從不同的角度對數(shù)據(jù)進行挖掘所采用的方法也不同，常用的算法有很多種，對于不同的數(shù)據(jù)挖掘任務所采用的算法也是不同的；當然，對于同一任務也可以采用多種方法，在挖掘分析過程中所采用的算法越多，挖掘分析得出的效果也就越好。常用的數(shù)據(jù)挖掘方法只要有：分類與預測、聚類分析、關聯(lián)規(guī)則、時序模式等。

三、數(shù)據(jù)倉庫技術(shù)

關于數(shù)據(jù)倉庫的并沒有明確的定義，在我看來數(shù)據(jù)倉庫也是一種數(shù)據(jù)庫，數(shù)據(jù)倉庫系統(tǒng)是指根據(jù)需求把各種的所需的應用系統(tǒng)集合在一起，組合成一個廣泛的平臺，為歷史數(shù)據(jù)的查詢分析及信息處理提供幫助和支持。

數(shù)據(jù)倉庫的主要功能是根據(jù)挖掘目的從各個數(shù)據(jù)源中提取相關的數(shù)據(jù)，對其進行清洗等相關的操作，并把這些數(shù)據(jù)統(tǒng)一存放到數(shù)據(jù)倉庫中；同時可以以此為基礎，在其上進行智能操作，比如查詢、分析等等。

數(shù)據(jù)倉庫生成的就是把業(yè)務系統(tǒng)中的關系型業(yè)務數(shù)據(jù)抽取出來，并把這些數(shù)據(jù)的進行數(shù)據(jù)處理，最后把他們加載到數(shù)據(jù)倉庫中的過程。具體步驟包括：

定義挖掘目標、數(shù)據(jù)的抽取、數(shù)據(jù)分析、數(shù)據(jù)預處理、裝載和索引等。

四、關于ERP決策支持的設計

首先要從ERP系統(tǒng)中抽取所需的數(shù)據(jù)集，抽取數(shù)據(jù)時應先考慮到需要用到那些數(shù)據(jù)，然后有針對性的抽取。抽取數(shù)據(jù)時，可將不準確或者是有遺漏的數(shù)據(jù)信息刪除，并將數(shù)據(jù)轉(zhuǎn)換成與挖掘目標屬性相對應的數(shù)據(jù)，這個數(shù)據(jù)可能有多種形式。當這些數(shù)據(jù)預處理后，再根據(jù)需求來源選擇相應的模式進行建模的分析，選取相應的算法進行分析處理，得出相應的結(jié)果和評估。

以某公司SAP中MM模塊為例進行功能設計；本文決策支持以供應商和采購兩個部分為例來討論，通過公司與供應商之間在某一段時間內(nèi)的采購數(shù)據(jù)分析需求進行調(diào)研，為企業(yè)選擇供應商提供量化的準確的依據(jù)。

（一）數(shù)據(jù)倉庫模型設計

數(shù)據(jù)倉庫的設計要經(jīng)過概念模型設計、邏輯模型設計和物理模型設計三個過程來實現(xiàn)。

（1）概念模型設計

確定系統(tǒng)的邊界：在SAP的MM模塊的調(diào)研決策需求中，決策者最感興趣的是供應商的評價、物資的采購方案、采購價格等內(nèi)容。為了對數(shù)據(jù)進行全方面的分析和精確的預測，我們將系統(tǒng)的邊界定為原SAP系統(tǒng)MM模塊中關于供應商的管理、采購管理和物料管理的集合。

確定主題域：在數(shù)據(jù)倉庫中的數(shù)據(jù)以主題域方式出現(xiàn)的，每一個主題對應著相應的數(shù)據(jù)類型，表示可在一個空間內(nèi)進行挖掘分析。根據(jù)該公司SAP系統(tǒng)中MM模塊的結(jié)構(gòu)和相關需求進行分析，確定了本論文研究的基本主題為供應商主題、物資采購主題和物料主題。

（2）邏輯模型設計

邏輯模型設計就是每個主題是怎樣實現(xiàn)的，并且對這個實現(xiàn)的過程進行定義，然后將這個實現(xiàn)過程的相關內(nèi)容記錄在數(shù)據(jù)倉庫的數(shù)據(jù)中。這里就不做過多的介紹，本文只對物資采購主題域的邏輯模型設計作為示范，其它主題域的邏輯設計類似完成。建立物資采購主體模型包括：選取業(yè)務數(shù)據(jù)、定義粒度和維度、 確定事實和維。

（3）物理模型設計

數(shù)據(jù)倉庫的物理數(shù)據(jù)模型主要是確定數(shù)據(jù)將采用什么樣的結(jié)構(gòu)進行存儲，采用什么樣的數(shù)據(jù)搜索策略、以及該數(shù)據(jù)應該存儲在什么地方等問題。其中包括：

確定數(shù)據(jù)的搜索策略、確定數(shù)據(jù)的存儲位置。

（二）數(shù)據(jù)建模分析

在對物資采購數(shù)據(jù)中與供應商的相關的信息（如供貨日期、供貨金額及供貨及時率）進行預處理后，將對其數(shù)據(jù)進行數(shù)據(jù)挖掘及算法的選擇。根據(jù)其數(shù)據(jù)的特點，在此我選擇聚類分析的算法對供應商相關的數(shù)據(jù)進行分析。該算法可以挖掘中不同供應商所隱含的一些信息。根據(jù)挖掘出的信息企業(yè)就可以針對不同的供應商采取不同的采購原則和策略。可以加大同對企業(yè)貢獻度較大的供應商的合作，同時也可以使一些貢獻度較低的供應商通過一些措施發(fā)展成貢獻度較高的供應商。

基于供應商相關數(shù)據(jù)集的聚類分析，可以按照以下步驟進行：

（1）先確定一個聚類算法在此我選擇的是K-Means算法，用該算法對供應商數(shù)據(jù)集進行聚類分析，把該數(shù)據(jù)集命名為D劃分為若干個類，命名類為C（C=（C1，C2…Cn））。其中，D=C1∪C2∪…∪Cn。

（2）選取供貨日期、供貨金額和供貨及時率三個指標作為輸入變量，應用聚類分析算法K-Means進行聚類分析。

（3）對于每一個Ci （i=1，2，…n），根據(jù)其中成員的特點，歸納出能夠描述其特征的一條或幾個規(guī)則。然后對規(guī)則進行評判，若聚類分析的結(jié)果的可信度比較高，則可在實際的工作中將聚類的結(jié)果加以應用，否則，可以選擇其它聚類的算法再次進行分析。

這樣，我們就實現(xiàn)了對供應商的細致劃分，就可以根據(jù)不同類型的供應商采取相應的采購策略了。

五、結(jié)語

隨著信息時代的來臨，各個公司在ERP系統(tǒng)投入了大量的人力物力以及財力，ERP系統(tǒng)本身也更新?lián)Q代多次，系統(tǒng)中留存著大量的歷史業(yè)務數(shù)據(jù)?，F(xiàn)在這些數(shù)據(jù)一直未能合理的利用起來，企業(yè)的各級決策者還是依靠自己的經(jīng)驗來做決策，這樣的決策缺乏科學依據(jù)?，F(xiàn)在的時代是信息時代、是數(shù)據(jù)的時代，為了避免這些大量的數(shù)據(jù)繼續(xù)沉睡，為了使這些數(shù)據(jù)能為決策者提供科學的、有價值的決策依據(jù)，利用數(shù)據(jù)挖掘技術(shù)對ERP數(shù)據(jù)進行挖掘增加決策支持功能的必要性是不言而喻的。

參考文獻：

[1] 譚躍進，黃金才，朱承等.決策支持系統(tǒng).電子工業(yè)出版社，2011.6.12-15.

[2] 范明，孟小峰.數(shù)據(jù)挖掘概念與技術(shù).北京：機械工業(yè)出版社，2013.6.32-36.